左边是索引，不是人数。对于分箱后的结果展示，我还是不太懂。如果是想了解每个箱的人数分布可以使用value_counts()来实现。

想请教下怎么一次性对两列进行分箱，我现在只能单独一列分箱，而且分箱出来每箱的分值从整数变成小数了，我想要整数

效果如图

依据哪列数据排序？分箱后的结果想怎么呈现或者使用？

最终想实现的效果是？可以先使用pandas的 sort_values对数据进行排序，然后对排序后的数据使用 qcut 进行切分即可。

原始文件里面有2列数据，想同时求2列的等宽分箱结果，不想一列一列运行

可以看下我写的这个帖子

https://www.pinggu.com/post/details/5f5b00e548b2b7754effa41b

通过调用dir(reg),可以查看reg后面可以跟哪些属性和方法

好的，如果想看完整的回归方程并画图，可以操作吗

reg.coef_ 这个是编写sklearn库的人这样命名的，coef_是reg对象的一个属性，这个命名我们自己改不了。也许编写这个库的人哪天觉得coef_这个名字不好听就换掉。目前就只能这样用

coef=reg.coef_[0]后面的[0]是切片位置从0开始对吧，那reg.coef和[0]中间为什么会有下划线呢

这一句没什么用

序号那一列的第i个值就是第i个人的id

id=data["序号"][i]

这行是怎么实现调取第i行数据的，我看后面没有调用id的代码呀

如果想看整个线性回归方程并画图，可以看吗？

这是把某个斜率从斜率列表里面调出来，虽然只有一个x也就是一个斜率，但是这个斜率也是放在一个列表里，需要通过切片的方式把这个数字调出来

coef=reg.coef_[0]

这个代码是啥意思

id=data["序号"][i]

这行是怎么实现调取第i行数据的，我看后面没有调用id的代码呀

#导入库

import pandas as pd

import numpy as np

#导入数据

data=pd.read_excel("C:\\Users\\Administrator\\Desktop\\1599639998_298148.xlsx")

from sklearn import linear_model

#将没有求得的斜率预设为缺失值

data["斜率"]=np.nan

#求数据行数

rows=data.shape[0]

#从第一行（第一个人）开始，进行循环，多少行数据就循环多少次，做多少个回归

for i in range(rows):

reg=linear_model.LinearRegression()

#调取第i行的x数据

id=data["序号"][i]

#要求y是一维数组

y=data.loc[i,"近6":"近1"].values

#要求x是二维数组，哪怕x只由一个变量

x=np.array([1,2,3,4,5,6]).reshape(6,1)

try:

reg.fit(x,y)

coef=reg.coef_[0]

except:

coef="异常情况"

data.loc[i,"斜率"]=coef

不客气！